जागतिक टेक कंपन्यांकडून डेटा गोळा करण्याच्या चिंतेत, भारताने देशी AI विकासावर भर दिला

इंडिया AI मिशनचे CEO आणि इलेक्ट्रॉनिक्स व IT मंत्रालयाचे अतिरिक्त सचिव, अभिषेक सिंह यांनी भारताच्या डिजिटल भविष्यासाठी एक महत्त्वपूर्ण चिंता व्यक्त केली आहे. त्यांनी सावध केले की OpenAI चे ChatGPT सारखे 'फ्री' आर्टिफिशियल इंटेलिजन्स (AI) साधने देणाऱ्या जागतिक तंत्रज्ञान कंपन्या, त्यांच्या मालकीच्या AI मॉडेल्सना प्रशिक्षित करण्यासाठी भारतीय वापरकर्त्यांच्या डेटाची मोठ्या प्रमाणावर चोरी करत आहेत. सिंह यांनी 'जेव्हा उत्पादन मोफत असते, तेव्हा तुम्हीच उत्पादन असता' या तत्त्वावर जोर दिला, ज्यामुळे अशा सेवा वापरण्याचा छुपा खर्च अधोरेखित होतो.

याला तोंड देण्यासाठी, भारत स्वदेशी AI मॉडेल्सच्या विकासाला प्रोत्साहन देत आहे, जेणेकरून डेटासेटवर देशांतर्गत नियंत्रण सुनिश्चित करता येईल आणि नवकल्पनांना चालना मिळेल. इंडियाAI मिशन Sarvam AI, Gnani, आणि Soket सारख्या भारतीय स्टार्टअप्सना सक्रियपणे समर्थन देत आहे, जे भारतीय भाषा आणि डेटावर प्रशिक्षित फाउंडेशन मॉडेल्सवर काम करत आहेत. मिशन कॉम्प्युट इन्फ्रास्ट्रक्चर देखील वाढवत आहे, सध्या 38,000 पेक्षा जास्त GPUs उपलब्ध आहेत आणि आणखी जोडण्याची योजना आहे.

GPU ऍक्सेस एक अडथळा नसला तरी, निधी आणि स्केलिंग ही आव्हानेच राहिली आहेत, असे सिंह यांनी नमूद केले. सरकार AI कॉम्प्युट सेंटर्ससाठी सार्वजनिक-खाजगी गुंतवणुकीची योजना आखत आहे, ज्यांचा खर्च प्रत्येकी INR 500 कोटी ते INR 800 कोटी दरम्यान असू शकतो. त्यांनी GitHub Copilot सारख्या परदेशी AI कोड जनरेटरमुळे भारतीय IT कर्मचाऱ्यांच्या नोकऱ्यांवर होणाऱ्या संभाव्य धोक्याकडे देखील लक्ष वेधले आणि Tata Consultancy Services आणि Infosys सारख्या प्रमुख भारतीय IT कंपन्यांना राष्ट्रीय भारतीय कोड जनरेटरवर सहयोग करण्याची सूचना केली.

याव्यतिरिक्त, सरकार इयत्ता 5 वी पासून AI आणि डेटा सायन्स शिक्षणाचे एकत्रीकरण करत आहे आणि IndiaAI फेलोशिपचा विस्तार करत आहे. AI चे 'यूज केस कॅपिटल' बनणे हे भारताचे व्यापक उद्दिष्ट आहे.

परिणाम ही बातमी भारतीय तंत्रज्ञान क्षेत्र, IT सेवा आणि स्टार्टअप्ससाठी अत्यंत महत्त्वाची आहे. डेटा सार्वभौमत्व आणि देशांतर्गत AI क्षमतांना चालना देण्यासाठी सरकारचे सक्रिय धोरण, कॉम्प्युट इन्फ्रास्ट्रक्चरमध्ये भरीव गुंतवणुकीसह, स्थानिक कंपन्यांसाठी लक्षणीय वाढ घडवू शकते. परदेशी AI कंपन्यांशी संबंधित धोरणात्मक विचार आणि IT कर्मचाऱ्यांसाठी कौशल्य जतन करण्यावर लक्ष केंद्रित केल्याने भौतिक परिणाम होईल. रेटिंग: 8/10.

व्याख्या: डेटा हार्वेस्टिंग (Data harvesting): डिजिटल प्लॅटफॉर्मशी संवाद साधणाऱ्या वापरकर्त्यांकडून, अनेकदा स्पष्ट संमतीशिवाय, मोठ्या प्रमाणात डेटा गोळा करण्याची प्रक्रिया. AI मॉडेल्स (AI models): भाषा समजणे, प्रतिमा ओळखणे किंवा मजकूर तयार करणे यासारखी विशिष्ट कार्ये करण्यासाठी, प्रचंड डेटावर प्रशिक्षित केलेले संगणक प्रोग्राम. फाउंडेशन मॉडेल्स (Foundation models): विस्तृत डेटावर प्रशिक्षित केलेले मोठे AI मॉडेल्स, ज्यांना विविध डाउनस्ट्रीम कार्यांसाठी अनुकूलित केले जाऊ शकते. GPUs (Graphics Processing Units): समांतर प्रक्रियेसाठी डिझाइन केलेले विशेष मायक्रोप्रोसेसर, जे त्यांच्या उच्च संगणकीय शक्तीमुळे जटिल AI मॉडेल्सना प्रशिक्षित करण्यासाठी आणि चालवण्यासाठी आवश्यक आहेत. कंप्युट इन्फ्रास्ट्रक्चर (Compute infrastructure): विशेषतः AI विकासासाठी, संगणकीय कार्ये करण्यासाठी आवश्यक हार्डवेअर (सर्व्हर, GPUs, नेटवर्किंग) आणि सॉफ्टवेअरचे संयोजन. सार्वजनिक-खाजगी गुंतवणूक (Public-private investment): मोठ्या प्रमाणावरील प्रकल्प हाती घेण्यासाठी सरकारी संस्था (सार्वजनिक) आणि खाजगी कंपन्या या दोघांनीही योगदान दिलेला निधी आणि संसाधने.